当数据量达到一定程度，单机的处理能力会无法达到性能的要求，采用并行计算，并利用多台服务器进行分布式处理可能会提升数据处理的速度，达到性能要求。然而如果使用不当，并行处理可能并不会提升处理的速度。这篇博客介绍了Dask中关于并行处理的一些效率方面的建议，尽管是针对Dask的说明，但对于所有的并行处理来说都是适用的。
并行计算中如何提高处理效率——来自Dask的提示
Linux权限管理之基本权限
LFDMM源码剖析(融入词向量的概率图模型)
网络爬虫之httpclient的使用
关于padding
codeFest2018比赛的冠军解决方案——自然语言处理/计算机视觉/机器学习
正则项的理解之正则从哪里来
Dask的本地集群配置和编程
CNN经典算法之Inception V1（GoogLeNet）
CNN中的一些高级技术（空洞卷积/显著图/反卷积）
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
使用R语言进行K-means聚类并分析结果
回归模型中的交互项简介（Interactions in Regression）
stata 用outreg2输出回归结果
H5文件简介和使用
矩母函数简介（Moment-generating function）
Generative Adversarial Networks 生成对抗网络的简单理解
通过JRI实现java与R的连接、通信
Wishart分布简介